# blender-mcp 深度研究报告

更新时间：2026-05-21

## 一句话结论

`blender-mcp` 是一个把 Blender 接入 AI Agent 的桥接项目。它让 Claude、Cursor、VS Code 等支持 MCP 的客户端，可以直接读取 Blender 场景、执行 Blender Python、操作模型、材质、灯光和外部 3D 素材。

它的核心价值不是“生成一个 3D 模型”，而是让 AI 真正进入 Blender 这个专业软件里干活。

## 项目定位

`blender-mcp` 由两部分组成：

- Blender Addon：安装在 Blender 内部，启动一个 socket server。
- MCP Server：运行在本地，通过 Model Context Protocol 暴露工具给 AI 客户端。

AI 客户端不会直接控制 Blender，而是先调用 MCP 工具；MCP Server 再通过 socket 把命令发给 Blender 插件；插件最后在 Blender 主线程里执行对应操作。

这套结构让 Blender 从“人手动点的软件”变成“Agent 可操作的专业工具”。

## 核心能力

项目提供的能力包括：

- 获取当前 Blender 场景信息。
- 查询指定对象的属性。
- 截取 Blender 视口截图，让 AI 看见当前场景。
- 执行 Blender Python 代码。
- 创建、修改、删除对象。
- 修改材质、颜色、纹理。
- 搜索和下载 Poly Haven 素材。
- 搜索和导入 Sketchfab 模型。
- 调用 Hyper3D Rodin / Hunyuan3D 生成 3D 资产。
- 支持远程 Host 连接。

它最关键的能力是 `execute_blender_code`：AI 可以把自然语言需求转成 Blender Python，然后直接在 Blender 里执行。

## 技术结构

项目主要是 Python，依赖 `mcp[cli]`、`uv`、`supabase` 等。MCP server 默认通过 `uvx blender-mcp` 启动。

通信链路大致是：

用户提示词 → Claude / Cursor / VS Code → MCP tool call → `blender-mcp` server → socket `localhost:9876` → Blender addon → Blender Python / bpy API → 场景变化 → 截图或场景信息返回给 AI

这个闭环很重要：AI 不只是发代码，它还能通过截图和场景信息观察结果，再继续修改。

## 项目优势

第一，连接了真实生产工具。很多 AI 3D 项目只是在网页里生成模型，而 `blender-mcp` 直接接入 Blender，能进入真实创作流程。

第二，可扩展性强。只要 Blender Python 能做的事，理论上都可以通过 MCP 暴露给 Agent。

第三，反馈闭环清晰。视口截图让 AI 能“看见”建模结果，不再完全靠文字猜测。

第四，生态热度高。截至核对时，仓库约 `21.9k stars`、`2.1k forks`，说明 MCP + 专业软件自动化这个方向需求很强。

第五，安装路径相对简单。Blender 装 addon，AI 客户端配置 `uvx blender-mcp`，就能跑起来。

## 最大风险

最大风险是安全。

`execute_blender_code` 允许 AI 在 Blender 中执行任意 Python 代码。Blender Python 不只是改模型，它也可能访问文件、网络、插件环境和本机资源。也就是说，这不是普通“聊天插件”，而是一个高权限自动化入口。

所以它适合本地可信环境，不适合接入不可信模型、不可信提示词或陌生人提供的脚本。

## 隐私与数据问题

项目带有匿名 telemetry。它的条款说明，可能收集提示词、生成代码、场景元数据、功能使用记录等；条款里还提到这些数据可能用于 AI 训练、研究或公开数据集。

虽然 README 说工具执行 telemetry 是匿名的，但条款里对数据使用范围写得比较宽。对商业项目、未公开资产或客户模型来说，建议默认关闭 telemetry。

## 和同类项目对比

和纯 3D 生成模型相比，`blender-mcp` 更像工作流控制器。生成模型负责资产生成，Blender MCP 负责把资产放进场景、调整材质、灯光、镜头和布局。

和普通 Blender 脚本相比，它多了自然语言入口和 Agent 反馈闭环。你不需要自己写完整脚本，可以让 AI 逐步生成、执行、观察、修正。

和 Web 端 3D 编辑器相比，它更专业、更强大，但安装和环境配置成本也更高。

## 适合场景

它适合 AI 辅助 3D 建模、游戏场景和道具原型、产品展示图搭建、教学演示、创意实验、自动批量生成 Blender 场景，以及让 Agent 操作专业软件的研究案例。

它不适合不懂 Blender 基础、想完全一键出商业级模型的人，也不适合对安全要求很高但又不做隔离的人。

## 对 AI Agent 方向的价值

`blender-mcp` 最值得研究的点，不是 Blender 本身，而是“Agent 操作专业软件”的范式。

过去 AI 主要生成文本、代码、图片。MCP 出现后，AI 可以调用真实工具，进入真实软件环境。Blender MCP 就是一个很典型的例子：AI 不再只是告诉你怎么建模，而是可以直接打开工具、执行命令、观察结果、继续修正。

这个模式未来可以扩展到 CAD、剪辑软件、游戏引擎、设计工具、数据分析软件和工业仿真软件。

## 最终判断

`blender-mcp` 是一个高价值项目，代表 AI Agent 从“写建议”走向“操作专业工具”的趋势。它适合做 3D 创意自动化、AI 建模辅助和 MCP 工作流研究。

但它不是无风险玩具。它的能力越强，权限也越高。真正使用时要做好三件事：只在可信本地环境运行、关闭不必要 telemetry、认真审核 AI 执行的 Blender Python。

结论：这是 MCP 生态里非常值得研究的标杆项目，尤其适合作为“AI Agent 如何进入专业创作软件”的案例。

## 信息来源

- GitHub README：https://github.com/ahujasid/blender-mcp
- server.py：https://github.com/ahujasid/blender-mcp/blob/main/src/blender_mcp/server.py
- addon.py：https://github.com/ahujasid/blender-mcp/blob/main/addon.py
- Terms：https://github.com/ahujasid/blender-mcp/blob/main/TERMS_AND_CONDITIONS.md